如何在python中从二维数组中删除异常值

我不知道如何从二维数据中去除异常值。 例如，我有：

import numpy as np

x = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
y = np.array([1, 2, 3, 4, 5, 1, 7, 8, 2, 10])

plt.xlabel("time")
plt.ylabel("value")

plt.scatter(x, y, color = "g", marker = "o") 

如您所见，异常值是位于第5个和第8个X位置的点

如何在python中找到并删除它们

重要

---

这只是一个示例数据。如果你想帮助我，请提供一个关于如何处理这类问题的一般答案。IQR似乎并不能解决这个问题。

这通常是通过计算数据集中每个点的标准偏差，然后选择一个偏差值来完成的，超过该值，您将丢弃带有该值的数据点

---

您正在使用

numpy

。我不确定，但我希望

numpy

模块能够计算一组数据点的标准偏差

数据总是这样一条线性增加的线，还是也会减少？您可以测量不同点的斜率，并根据平均值对其设置阈值。这种离群点检测问题是专门为其设计的。这很容易实现，维基百科的那篇文章中给出了一个伪代码示例。试一试。你用什么算法来判断什么是异常值，什么不是异常值？根据你自己的研究，到目前为止你尝试了什么？你的尝试有什么问题？若你们正在寻找一个数学算法或者统计测试来检测一般的异常值，那个么有一个数学和统计堆栈交换站点。这个网站要求一个简单的模型，当模型是一个二维线时，它不是那么简单。考虑示例图像的右上角和左下角的点，这些点将偏离质心最大的偏差，但它们实际上是内点集的一部分。是的，我想我正在考虑每个点与直线的距离的偏离。首先要在这些点上画一条线。然后计算每个点到直线的距离，并使用它们确定要丢弃的点，然后将新线拟合到其余点。我已经有一段时间没有这样做了。除非你首先拒绝了异常值，否则你无法准确地将一条线拟合到这些点上。